SciELO - Scientific Electronic Library Online

 
vol.29 suppl.2Strategy based on machine learning to deal with untagged data sets using rough sets and/or information gainParameters identification of a thermal model for a three-phase induction motor using genetic algorithm author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Revista Tecnología en Marcha

On-line version ISSN 0379-3982Print version ISSN 0379-3982

Abstract

CALDERON-ARCE, Cindy  and  ALVARADO-MOYA, Pablo. Optimización multiobjetivo con funciones de alto costo computacional. Revisión del estado del arte. Tecnología en Marcha [online]. 2016, vol.29, suppl.2, pp.16-24. ISSN 0379-3982.  http://dx.doi.org/10.18845/tm.v29i5.2582.

La optimización multiobjetivo es un proceso complejo, más aún cuando las funciones objetivo que definen los problemas no están bien condicionadas o no cumplen con los requisitos mínimos para garantizar la convergencia de algoritmos clásicos, como convexidad, continuidad y diferenciabilidad. La literatura, entonces, se enfoca en el estudio de técnicas de optimización para problemas definidos por funciones con características particulares, por ejemplo, que el costo de su evaluación sea elevado, no convexas o no diferenciables. Este artículo hace una revisión general de las técnicas predominantes en problemas este tipo de funciones.

Keywords : Optimización multiobjetivo; costo computacional; algoritmos evolutivos; aproximaciones; modelos gaussianos; superficies de seudorespuesta.

        · abstract in English     · text in Spanish     · Spanish ( pdf )